Technologie

[Wat kan SoundAppraisal’s technologie allemaal? Wat zijn de meest bijzondere features? Voor wie kunnen we wat betekenen?]

Onze technologie

SoundAppraisal’s ‘state of the art’ technologie is gebaseerd op soundscape theorie en richt zich op de menselijke beleving van geluid. Deze technologie is namelijk een simulatie van het menselijke gehoor en de mogelijkheid om geluiden te herkennen.

[onderstaand stuk naar ‘TECHNOLOGIE’ pagina?]

Van theorie naar technologie

Op basis van de soundscape theorie heeft SoundAppraisal unieke technologie ontwikkelt die geluidsomgevingen in kaart kan brengen. Deze ‘state of the art’ technologie simuleert namelijk het menselijk vermogen om geluiden te herkennen en zo onderscheid te maken tussen de verschillende typen geluidsbeleving en daarmee de kwaliteit van een geluidsomgeving te analyseren. In de onderstaande tekst wordt te toepassing van deze technologie in soundscape analyses uitgelegd.

Soundscape-analyse

Geluidsanalyse op basis van de soundscape-gedachte gaat over het vaststellen van hoorbare veiligheid. Mensen (en dieren) analyseren geluid door dit te splitsen in bronnen ofwel ‘percepten’. Het klinkt heel logisch dat we het gefluit van een vogel onderscheiden van spraak, een autopassage of het geluid van de airconditioning. Maar hoe mens en dier dat doen, heeft de wetenschap nog niet volledig ontrafeld. Wij hebben in de afgelopen jaren echter technologie ontwikkeld die het menselijke vermogen om geluid naar bronnen te scheiden verregaand simuleert.

Het geluid van een bron heeft altijd een structuur in tijd en in frequentie (temporele en spectrale structuur). Geluid kent bijvoorbeeld een begin- en een eindtijd en een laagste en een hoogste frequentie. Figuur 4 laat dit zien aan de hand van gekleurde blokken. De kleuren komen overeen met de belevingen in Figuur 3.

Figuur 4 – Schematische weergave van de eigenschappen van de vier geluidsomgevingen

De meeste omgevingsgeluiden zijn ruisachtig. Geluiden van levende wezens (maar ook alarmen, kerkklokken en muziek) hebben vaak een complexe tonale structuur. Ze zijn hier in geel weergegeven, als patronen van horizontale lijnen. Een deken van achtergrondgeluid (lichtblauw) en de (rode) maskerende voorgrondgeluiden zijn vervelend, doordat ze gewenste geluiden (geel en groen) maskeren.

Figuur 4 geeft voor de vier hoofdkwadranten van beleving (chaotisch, levendig, saai, en kalm) een overzicht van de typische belevingscomponenten. Groen en geel zijn bronnen die je graag wilt horen, omdat ze op een normale, hoorbare veilige situatie duiden. De groene blokken zijn doorgaans niet erg luid en van natuurlijke oorsprong. De gele blokken corresponderen doorgaans met de geluiden van levende wezens die vaak complexe patronen van tonen produceren (hier weergegeven als horizontale gele lijntjes). De blauwe en rode blokken zijn doorgaans luider en maskeren (overstemmen) de gewenste gele en groene geluiden deels of geheel.

De brede groene achtergrond en de donkergroene voorgrond vertellen je waar je bent en of het veilig is. We noemen dit de natuurlijke achtergrond.

Het blauwe vlak bij saai is een deken van min of meer stationair geluid, bijvoorbeeld van een airconditioning of een verre snelweg. Het kan ook de som zijn van alle stadsgeluiden (die ’s nachts veel minder ‘dik’ is dan overdag). De stationaire deken maakt het moeilijk om de natuurlijke achtergrond te horen en dus om vast te stellen of het veilig is.

De rode blokken zijn maskerende voorgrondbronnen die de luisteraar doorgaans niets brengen, maar het wel moeilijk maken om veiligheid vast te stellen. Denk aan passerende auto’s en vliegtuigen, maar ook rammelende karretjes.

Tabel 2 – De vier geluidsomgevingen en hun eigenschappen

Chaotisch Hoogste achter- en voorgrondniveaus. Veel, complexe, gemixte, deels gemaskeerde, vervormde events die het moeilijk maken om het signaal te analyseren. Hier domineren maskerende voorgrondbronnen (rood). Levendig Hogere achter- en voorgrondniveaus veroorzaakt door meerdere events (geel). Relatief veel events met een complexe interne structuur. Maar niet te veel of te divers en altijd indicatief voor veiligheid, doordat ze verbonden zijn met ontspannen activiteiten.
Saai Hoger achtergrondniveau (lichtblauw) doordat stationaire niet-natuurlijke bronnen natuurlijke structuren maskeren. Weinig voorgrond Kalm Lage achtergrondniveaus (groen) met relatief veel kleine natuurlijke structuren (donkergroen) in de voorgrond.

Signaalanalyse

Om de soundscape-analyse uit te voeren is signaalanalysetechnologie nodig. Hiermee kunnen we geluiden splitsen in eenheden die overeenkomen met de wijze waarop mensen geluid in bronnen opdelen.

Vanuit de soundscape-gedachte is de geluidsomgeving opgebouwd uit verschillende lagen. In de nacht zijn deze dunner dan overdag. ’s Nachts zijn er nagenoeg alleen maar stationaire stadsgeluiden te horen: geluid van gebouwen (denk aan airco’s) en industrie, het geruis van bomen en bijvoorbeeld het geluid van ver verkeer. Gaande de dag nemen de activiteiten – en daarmee veel geluiden – toe en worden de lagen ‘dikker’. Zo leidt veel verkeer tot een onplezierige, saaie ‘geluidslaag’ die veel plezierige, lokale geluidjes maskeert (zie Figuur 4 linksonder). In de ochtend, zeker in het voorjaar, is er vaak een vogelkoor dat juist als plezierig en rustgevend wordt ervaren (rechtsonder). Gedurende de dag vinden er steeds meer activiteiten plaats: zoals praten, lachen en fietsen. Wanneer het aantal maskerende voorgrondgeluiden (denk aan auto’s, scooters, gettoblasters en werkgeluid) sterk toeneemt, dan kan de omgeving al snel chaotisch worden (linksboven).

Volgens de soundscapetheorie gebruiken we ons gehoor om te checken of het veilig is of onveilig. Daarbij letten we op de sterkte van het geluid (harde geluiden duiden op grote bronnen en mogelijk gevaar) en de kleine, subtiele geluiden die ons vertellen of de omgeving normaal en veilig is. Als de subtiele geluiden gemaskeerd worden door luidere bronnen die niet direct duiden op veiligheid (maskerend voorgrondgeluid), ervaren we in lichte mate hinder: we moeten nu bewust – in plaats van onbewust – bepalen of het veilig is. We worden gedwongen te luisteren naar iets waar we liever geen aandacht aan besteden.

Doordat maskerende voorgrondgeluiden (weergegeven in rood in Figuur 4) doorgaans veel langer duren dan de veilige, subtiele geluiden, kunnen we ze dus op basis van hun temporele ontwikkeling detecteren en scheiden. Dat is de basis van één van onze methoden om hinderlijkheidsverschillen in kaart te brengen. Daarnaast hebben we een indicator ontwikkeld om vast te stellen welke bronnen bijdragen aan het karakter van een geluidsomgeving.

Achtergrond- en voorgrondmodellen

In onze analyse scheiden we geluid op basis van de duur en de mate waarin de geluidsniveaus in de tijd veranderen. We doen dat op een wijze die aansluit bij Figuur 4 en tabel 2. De technische uitdaging is een scheiding te maken op basis van signaaleigenschappen, zodat we het signaal kunnen splitsen in verschillende ‘lagen’. Dit is weergegeven in Figuur 5. Dit is een schematische doorsnede van één frequentiekanaal (bijvoorbeeld bij 1.000 Hz) in de plaatjes van Figuur 4.

De snelle veranderingen zijn in donkergeel aangegeven, omdat ze vaak overeenkomen met levendigheid. De wat langzamere componenten, bijvoorbeeld auto- of vliegtuiggeluid, zijn in rood aangegeven, omdat die een groot deel van de levendige voorgrond maskeren. Zij vormen het maskerende voorgrondgeluid dat het moeilijker maakt om de gewenste geluiden in de omgeving te horen. In het blauw is de (saaie) stadse achtergrondruis weergegeven.

Figuur 5 – Hoe scheiden we geluid in componenten?

![img](C:\Users\mippi\OneDrive - SoundAppraisal\Projects, Leads and Subsidies\Nieuwe Website SoundAppraisal\TECHNOLOGIE\clip_image004.gif)

We halen eerst de snelle (gele, vaak levendige) componenten uit het signaal, bijvoorbeeld spraak, en analyseren deze. Daarna halen we de langzamere (rode) componenten uit het signaal die het moeilijk maken om levendigheid en kalmte vast te stellen. Dit is het maskerend voorgrondgeluid van bijvoorbeeld een passerend vliegtuig. Tot slot blijft er een langzaam veranderend achtergrondgeluid over (blauw) dat we als laatste analyseren. Bovenaan geeft de gekeurde balk een samenvatting van wat er te horen is; dit is een horizontale doorsnede van het chaotische paneel in Figuur 4.

In onze analyse halen we eerst de snelle verandering (donkergeel, alles sneller dan 1 seconde) uit het cochleogram en daarna langzamere veranderingen (donkerrood, alles sneller dan 1 minuut) zodat we uiteindelijk alleen nog de achtergrond (vooral blauw, alles langzamer dan 1 minuut) overhouden. Wanneer we de achtergrond, rood en geel weer bij elkaar optellen krijgen we het oorspronkelijke signaal terug. Dit is weergegeven in Figuur 6.

Figuur 6 – Schematische weergave van de soundscape-analyse

![img](C:\Users\mippi\OneDrive - SoundAppraisal\Projects, Leads and Subsidies\Nieuwe Website SoundAppraisal\TECHNOLOGIE\clip_image006.gif)

Startend vanuit het chaotische voorbeeld in Figuur 4 scheiden we eerst de snelle (levendige) componenten die we de voorgrond noemen. We houden dan alleen de langzamere componenten over (tweede paneel links) in het snelle achtergrondmodel. Vervolgens doen we een tweede scheiding waarbij we het signaal onderverdelen in een maskerende voorgrond en een langzame achtergrond.

De analyse leidt dus tot een scheiding in diverse achtergrondlagen, in combinatie met geïsoleerde geluiden (voorgrond), die elk andere informatie bevatten met betrekking tot de beleving van de veiligheid.

Volledig signaal Start van de analyse
Snelle achtergrondgeluiden Bevat de achtergrond en de maskerende bronnen, zoals passerende scooters, auto’s en vliegtuigen. Hoe hoger het geluidsniveau van snelle achtergrondgeluiden, hoe onplezieriger het aanvoelt. Voorgrondgeluiden Bevat de snelle, typisch levendige, geluiden, zoals spraak, fietsbel, autodeuren, vogels. Hoe meer hier gebeurt, hoe drukker het voelt.
Langzame achtergrondgeluiden Bevat de stadsruis (verkeer op afstand, airconditioners) en de natuurlijke achtergrond zoals wind). Hoe hoger het niveau van niet-natuurlijke ruis, hoe monotoner (saaier) het aanvoelt. Maskerende voorgrondgeluiden Bevat passerende scooters, auto’s en vliegtuigen Hoe meer maskerende voorgrondgeluiden, hoe chaotischer het aanvoelt.

Geluidsherkenning

Door steeds meer individuele voorgrondgeluiden uit het omgevingsgeluid te halen, doen we al aan bronscheiding. Door de geïsoleerde geluiden in de voorgrond nader te analyseren, checken we of ze voorbeelden van een bepaalde bron zijn. Geluidsbronnen verspreiden hun energie namelijk op een kenmerkende wijze over het tijd-frequentievlak. Dat zorgt ervoor dat het geluid van een viool heel anders is dan dat van een fluit of spraak of het geluid van een vliegtuig. Het isoleren van geluid zorgt ervoor dat al deze geluiden herkend kunnen worden. Een vliegtuigpassage bijvoorbeeld duurt zo’n dertig seconden en heeft veel lage frequenties, veel ruis en doorgaans weinig tonen, terwijl er eigenlijk geen geluid is boven de 5.000 Hz (hoe verder weg het vliegtuig, hoe minder goed de hoge frequenties ons bereiken). Scooters daarentegen hebben een snerpend geluid, doordat ze ook veel energie bij hoge tonen hebben en dichterbij langskomen. En een scooterpassage is doorgaans veel korter van duur. Vliegtuigen, scooters, en ook auto’s zijn maskerende voorgrond bronnen (en daarom in de figuren als rood gemarkeerd).

In de analyse gebruiken we de eigenschappen van de geïsoleerde ‘voorgrondevents’ om vast te stellen welke bronnen er zijn.